产品经理学数据分析：如何做好数据埋点这件事？

第一篇：产品经理学数据分析：如何做好数据埋点这件事？

产品经理学数据分析：如何做好数据埋点这件事？

如题，这次来聊聊数据埋点的一些事情。

事实上，在早期的互联网世界里，并没有埋点的概念。因为大家并不关心流量从哪里来，也不知道用户在我的网站上做了什么事，伴随着中国互联网庞大的人口红利，一切都是野蛮生长。但是随着互联网的普及，产品本身的业务也变的越来越繁杂，开始有了策划运营这样的岗位，慢慢开始有人关注流量运营这件事情了，于是很多产品越来越关注PV、UV、跳出率、转化率这样的数据。而移动互联网的迅速发展及全面爆发，数据量则开始大规模爆发，越来越多的互联网企业开始重视数据的质量。如今的互联网公司对数据的需求已经不仅仅局限于简单的 PV、UV，而是更加重视用户使用行为数据的相关分析。

那么，做过用户行为数据分析的童鞋就应该清楚，数据采集是非常非常重要的一个环节，因为数据采集的质量直接决定了你的分析是否准确。而随着互联网公司对数据的要求越来越高，埋点技术也被推到了“风口浪尖”。目前，主流的几个埋点技术有下面几种：

第一种：代码埋点

是在代码的关键部位植入N行代码，追踪用户的行为，得到想要的数据。简单的说，就是找节点，布代码，收数据。

第二种： 框架式埋点

框架式埋点也称“可视化埋点”，框架式埋点很好地解决了代码埋点的埋点代价大和更新代价大两个问题。

第三种：无埋点

所谓的无埋点，只要页面上嵌入 SDK，就可以采集页面上所有的点击行为，然后通过界面配置的方式对关键行为进行定义，这样便完成了所谓的“无埋点”数据采集。使用这种方案，必须在产品中嵌入 SDK，等于做了一个统一的埋点，所以“无埋点”的叫法实际上是“全埋点”的代名词。

另外，这种方式只能采集前端数据比较粗的行为粒度，无法深入到更细粒度。比如提交订单操作，订单运费、成本价格之类的维度信息，都丢失掉了，只剩下“提交”这一个行为类型。

当然，具体选择哪一种埋点方式完全可以依照公司产品具体的运行情况去进行针对性地考虑，不过产品经理在埋点这个过程中，需要思考的是以下几件事情：

1、弄清产品的目标以及当下的首要问题 做任何事情，有一个目标总是极好的，数据采集工作也是如此。

产品可能产生的用户行为数据纷繁复杂，清晰的目标能让项目团队避免迷失在数据的海洋中，从而耗费大量的时间和机会成本。也就是说，数据埋点的前提是，团队需要首先明确目前产品最亟待解决的问题是什么。举个例子，比如电商产品，那么可能最首要的问题就是交易额，如何突破交易额，分解下去，可能就涉及到流量、转化率、客单价、回购率等等，提升这些数据指标就是当前产品的首要问题。在整个产品的分析和改进过程中，需要持续的观察这些指标的变化。

2、选择少量、重要的用户行为开始记录和分析

在分析的一开始，并不建议采集太多的用户行为，在这一点上，倒是很像做产品里面的MVP（最小可化产品）思路，敏捷地不断迭代，不要一下子把全部用户行为都采集齐全。因为如果产品经理在一开始就试图设计实施一套庞大、全面的方案，很容易陷入复杂而又细节的泥潭并导致失败，即便最终成功，也极可能会（因为初期的错误规划）导致很多时间浪费。在一开始只记录和分析与“产品目标”最为相关的少量用户行为（如浏览、购买、下单），这样很快就能有成果产出。

3、定义事件

在这里需要注意的一个点，很多产品经理会将“用户行为”简单的等同于应用的页面（界面）或点击操作，其实这完全是两件事情。用户行为是更加具体的一个事件定义，比如说用户“提交订单”这么一个行为，就可以定义为一个事件了，但是如果用页面点击去定义它，则过于抽象不具体，不能让其他人很直观地感受到这个事件定义出来到底是干嘛的。在这个时候可以从以下几个方面来考虑：

 产品目标可以通过哪几个重要指标衡量？  和指标最相关的用户的“关键行为”是什么？

 用户在做「关键行为」之前和之后，还有哪些行为值得关注和分析？

通过对上面问题的答案进行梳理，您就能得到类似下面的用户使用流程及用户行为事件了：

用户行为事件

另外一个需要注意的地方是，尽量在给事件取名字的时候简单处理，不要弄一些比较复杂和偏门的事件名字，不然团队其他成员也不好理解。

4、制作埋点表

根据上面梳理的用户行为流程及事件，我们可以尝试着梳理一下埋点事件表，如下图所示：

事件埋点表

当然，有些产品比较复杂（如电商类），数据分析不能单纯的靠一些基本事件来进行，还涉及的事件属性会比较多，所以产品经理也可以在事件埋点表中补充关于事件属性这么一项。为事件增加属性，是一种更细致的、更精确的记录和刻画用户行为的方式。比如，某个用户打开了一个吹风机的商品详情页，可以详细描述如下：

事件：查看商品详情-商品类目：家用电器-价格区间：100-399-商品名称： 飞科吹风机 某某某型号…

事件属性

5、与研发进行沟通

无论是通过公司自己搭建数据分析系统，还是使用第三方工具，通过调用其SDK来完成数据的采集和分析，都需要通过研发来进行帮忙（当然，有一些第三方工具支持可视化埋点，这样PM可以直接绕过研发）。这时候，产品经理就需要好好和研发进行相关的沟通，让他们明白数据埋点的目标以及意义是什么，让他们更好的去熟悉和了解第三方工具，从而在做事件布点的时候，将有助于事情的快速和顺利推进。

等一切准备就绪，事件布点都被研发大大弄好之后，产品经理以及运营人员就可以利用强大的数据分析工具，进行产品的数据分析了，从而走上数据驱动产品运营的增长道路。

作者：壹百度，微信公众号：倒退集，人人都是产品经理专栏作家。在线教育企业服务领域产品经理，创业公司Team Leader。曾主导多款重量级产品的产品策划和设计工作。

关注微信公众号cn99click，免费获取试用产品及更多精华干货文章！

第二篇：产品经理必备技能之数据分析

www.xiexiebang.com

产品经理必备技能之数据分析

数据分析往往是从文本上反应产品的各类信息。但是，产品经理在做产品的各个阶段时不能一味的依靠数据分析。这时就需要我们有精确的数据分析的技能。首先要了解数据分析的三点核心：

1.什么是数据分析？（What）2.为什么数据分析？（Why）3.如何数据分析？(How)

下面我们将以实例的形式重解读第二个问题和第三个问题。大致分为以下几步：

第一步：确认数据分析的对象

产品名称：企查查APP V9.1.8 产品愿景：中国企业信息搜集的综合体，为投资者、金融相关从业者等提供企业的一站式信息服务。

分析范畴：产品迭代、产品优化、产品分析/验证

背景概述：自定义。注意，数据指标的制定远比数据分析过程要重要的多或者说更加富有创造性。

第二步：制定数据分析指标

1.商业模式/盈利方式分析：免费增值模式，先做成流量入口，后期分享流量红利扩大转化率。

2.了解产品现状/定量分析产品 2.1 用户分析 用户规模：

用户群体可大致分为个人、企业，分析个人和企业用户的人数比例，明确整体分布情况。每月/周/日的新增用户、流失用户、回流用户的比例走势，选择恰当的走势变化渠道；

用户质量：产品粘性及病毒性的反应，体现在用户的活跃度上，一般包括，日活跃（DAU）、周活跃（WAU）和月活跃（MAU）； 采用同期群和用户分类的分析方法，特定用户群体的特定分析过程，用户质量也是渠道或营销活动效果的间接体现，以便后期及时的调整和处理；

用户质量的标准制定，包括忠诚用户、联系活跃用户、流失用户等等，为反应不同指标设置特定的用户质量指标；

2.2 应用分析：

启动次数，某日/周/月的启动次数占所选时段总启动次数的比例，直接反应生活时间成本； 版本分布，对开发和维护的意义非常深刻，展示累计用户排名前10的各个版本变化趋势，可以帮助了解每个版本的新增用户，最新版本的升级情况，目前的哪些版本状况；

使用情况，统计周期内，一次启动的使用时长；一天内启动应用的次数；用统一用户相邻两

www.xiexiebang.com

次启动间隔的时间长度；

设备终端和错误分析也是很有必要的；

2.3 行业分析：

a.行业数据可以帮助了解行业内应用的整体水平，各个指标的数据、排名及趋势，有助于衡量应用的质量和表现；

b.了解行业数据，了解自己的APP在整个行业的水平，通过多个维度对比自己产品与行业平均水平的差异，从而知道产品的不足之处。

业务场景：

1.首页支持企业名称、人名、品牌名等信息的模糊查询，并且在搜索系统之下直接提供四个维度的一级辅助搜索条件。

2.企业信息维度算是一款企业信息服务平台的资源性优势，也是一款内容应用的核心模块。不同类型的用户对不同类型的信息感兴趣的程度各有不同，因此，要记录和挖掘用户行为特征数据。

产品分析：

企业信息查询第一级别的功能是搜索，第二级别的功能是条件搜索；理论上讲，后者在搜索的精确程度上要更加有优势。

数据指标：

1.不同检索维度的搜索量；

结论：以信息检索维度的搜索量，选出哪些企业信息搜索维度置于条件搜索中，并决定其分

www.xiexiebang.com

布的顺序和位置；

2.不同描述维度的查询量

结论：

a.以信息描述维度查询次数，区分重要企业信息，量化区分不同信息的关注度和用户价值； b.交叉分析不同维度的信息，用户属性，比如：行业+查询维度，综合分析不同特征的用户群的核心关注点。

c.内容受欢迎程度及需求的迫切程度，面向不同类型的用户，比如：普通用户、企业用户，内容分级、资源分层更好地配合免费增值模式、会员等级产品形态。正对不同用户特征给予不同的需求满足形式都是值得尝试和探索的，单

一、传统的直销的商业模式或许有被迭代升级的可能；

小结

产品数据分析意义在于指导产品设计，传达感性认知背后的理性意义。无论数据分析的结论积极还是负面，都是产品价值映射，作为产品经理，我们必须投以客观的态度。

如果你喜欢我们的文章，欢迎加入我们。

12.15

第三篇：如何利用excel做好市场调查数据分析

如何利用excel做好市场调查数据分析

Excel是最简单的企业数据信息处理的工具，如何利用excel做好市场调查数据分析？ 产品市场分析需要的数据大概方向

（1）整个产品在当前市场的规模。

（2）竞争品牌的销售量与销售额的比较分析。

（3）竞争品牌市场占有率的比较分析。

（4）消费者群体的年龄、性别、职业、学历、收入、家庭结构之市场目标分析。

（5）各竞争品牌产品优缺点的比较分析。

（6）各竞争品牌市场区域与产品定位的比较分析。

（7）各竞争品牌广告费用与广告表现的比较分析。

（8）各竞争品牌促销活动的比较分析。

（9）各竞争品牌公关活动的比较分析。

（10）竞争品牌订价策略的比较分析。

（11）竞争品牌销售渠道的比较分析。

（12）公司近年产品的财务损益分析。

（13）公司产品的优劣与竞争品牌之间的优劣对比分析。

做好这些数据需求规划后，我们可建立多张excel表格，分别填好所需数据，算出各项调查的比例值，根据市场需求，做好企业规划。但是在做这些市场调查表单的同时，会增大工作量，且不小心会丢失数据加大工作量。勤哲Excel服务器是基于excel开发的平台软件，不仅具有excel所有的功能，并且可以保存完好的数据，调查人员可以充分发挥Excel的应用水平，通过设计模板、定义工作流、定义表间公式等简易直观的操作，实现管理意图，轻松、快速构建能够适应变化的ERP、OA、CRM、SCM、PLM、PDM等管理信息系统，做好市场分析后，可将此数据填入勤哲Excel服务器软件中，进行逐个分析。

分析是需要专门的数据分析员来完成，但是企业规划者需要根据数据制定企业产品规划方向，发展策略方针，制定好企业规划各项报表，勤哲Excel服务器不仅可以帮助我们分析这些数据，并且也是一个非常实用的报表工具、数据管理工具、B/S，Web，手机短信管理信息系统（MIS）自动生成工具和业务流程再造（BPR）平台。

勤哲Excel服务器是由勤哲软件公司在2003年开发的，经过十年的开发和客户应用，已经成为各行各业企事业单位的核心应用。它的创举在于复杂的大型ERP、CRM等管理信息系统的开发，可以由会Excel，懂管理的企事业单位的管理人员来完成，现已成为企业数据分析，企业规划的必需产品。

第四篇：数据分析对产品经理的重要性

创意互动 设计人生

莱茵教育www.xiexiebang.com 开课吧

www.xiexiebang.com

数据分析对产品经理的重要性

不会数据分析的产品经理不是一个好的产品汪，莱茵教育表示，数据分析是产品经理吃饭必备的工作，大量的砖家也很乐于在各种社区和公众号分享他们的数据思维和数据分析方法论。今天我们就探讨一下怎么去处理数据分析的后事，数据分析完成之后如何去优化产品迭代。

1、数据的定义很重要

数据是神奇的，同样的数据，从不同的维度，甚至不同的人眼里，都会看不到不一样的东西，百分数“123%”,经济学家可能认为这是本季度GDP的增速，程序猿会把它当成字符编码。

因此产品经理首先自己得做到经由自己的数据定义是准确无误的，不管是自己接到的来自团队、老板的数据需求，还是通过自己分析输出的数据指标定义都必须说明清楚，不存在歧义，这样不仅可以减少对其他小伙伴解释说明的时间，也会避免数据在传播的过程中失真的问题，数据是严谨的，对于它的定义，我们需要去咬文嚼字。

2、我们需要什么指标

虚荣指标和期望指标对我们没有意义，现在很多的大数据团队经常会对外发布各种行业报告，包括国家统计局也会按时发布国民经济报告，从这些报告中传递给我们的信息是今年移动用户数还在继续增长，某个行业的市场是多少亿美元，哪家公司融了多少钱，这些都是虚荣指标，看起来很美，却不能给我们产品优化带来任何指导效果;期望指标就是我们内心希望它是不断增长的，为了我们自己潜藏的目标再去找数据，分析数据。

比如有一天老板需要你用数据证明产品这个月比上个月做的更好，然后你告诉老板你们的注册用户数比上个月增加20%。初一看数据在增长，实则可能你们的留存率和日活跃用户数在大幅度下降。期望指标对外还可以，对于指导产品优化没有任何价值。

那我们到底需要什么指标?可付诸行动的指标才是我们数据分析应该得到的结果，可付诸行动的指标更多的是一个比率，而不是具体的数字，它应该是和你们产品核心KPI相关的，它应该可以告诉你产品好在哪里或者不好在哪里，国内的直播市场，映客在月活跃用户数上甩其他平台几条街，但是一个可付诸行动的(日活跃用户数/月活跃用户数)这个指标却远远

线下学习入口：莱茵教育 线上学习入口：开课吧

创意互动 设计人生

莱茵教育www.xiexiebang.com 开课吧

www.xiexiebang.com 落后于斗鱼TV，说明映客的用户黏性还不够，数据指标可以指导映客在追求用户数量的同时，用户粘性方面也还有很大的提升空间。

3、怎么把数据和产品优化结合

指标明确之后，我们就需求考虑怎么样把这些数据指标和产品优化结合起来，换而言之就是我们分析的数据结果需要落地。产品汪估计做的最多的就是竞品分析了，我们可能是最先知道竞品版本迭代的用户，我们也会想尽一切手段去了解别人家产品的内部数据，可能别人家产品新上了一个新功能，然后你通过小道消息得知他们的用户数这段时间在大幅度增长，最后你屁颠屁颠的告诉老板，我们是不是也可以跟风，赶紧做了这个功能。

看似你这份数据价值不菲，但是却忽略了从产品本身出发这个基本原则，否则你的数据可能让你们产品走弯路甚至走错路。一方面你需要考虑别人家产品做这个功能的基础是什么，可能原本别人的用户在这个部分的转化率是50%，而你们自己的产品是5%，这样的结果就是做同样的事情，别人产品带来的增益效果让你傻眼，然后你还去怪技术没开发好。因此产品经理在数据分析的时候应该是产品导向型的而不是数据导向性的，一切数据都需要基于产品自身。

4、怎快通过数据快速验证迭代效果

现在互联网产品永远都是Beta版，竞争对手不会等你，也没有机会去不断大规模试错。因此我们需要用数据去快速验证最小可行化产品，因此选择数据的可预见性和针对性就显得特别重要，你选择的数据需要不会受到随机性的影响，能在时间短和数据量小的情况下验证假设。

线下学习入口：莱茵教育 线上学习入口：开课吧

第五篇：如何做好企业站的SEO数据分析

国平老师的SEO理论就是一切从数据出发，做科学可控的SEO，我想这个概念影响了很多做SEO的朋友，笔者也是其中一个，但谈到实际情况，我们很少去分析大量的SEO数据，比如企业站的优化，你可能只是凭感觉和经验去做优化，去评估一个关键词需要多久能上第一页，但这样的情况会让许多SEO人对自己没信心，毕竟依靠自己的“感觉”很不靠谱，企业站虽然不比大型网站，但是想做好关键词排名也非易事。因为涉及的行业非常多，单是内容就够头大，做过1-2年SEO的同行们，可曾感觉自己还是没有掌握好SEO的方法和流程。闲话不扯，想和大家聊聊企业站如何做好SEO数据的分析，可以总结为三个步骤。第一步：数据的收集和整理

我们需要收集企业站的收录、外链、快照等数据，假如一个SEO公司目前有100个客户的网站，这么多网站都需要做好SEO监控，观察每天数据的变化，比如：哪个站被K了，哪些站排名上升了等等，当然手工去查很不切实际，也会浪费大量的时间。所以我们必须有个SEO工具或软件来辅助，之前笔者也尝试过用火车头采集器采集网站的domain数据、site数据、快照数据等，个人感觉效果还不错。现在百度也推出了自己的站长外链查询工具，我们要做的就是收集和整理这些数据，不过需要开发一些程序或软件来辅助完成，收集到的数据可以生成图表，这样以便于分析，这也不是什么复杂的程序。

第二步：数据的归类和统计

企业站涉及到各行各业，因此我们最好把这些网站进行分类，例如：所有机械行业的企业站数据放在一起，这样便于对比某个行业的SEO数据。可以分析百度算法具体对某个行业的影响，当然这样的数据要多才能看出端倪。百度算法不计其数，对待某些类型、某个行业都有差距。还可以统计一年中每个月的SEO数据，如用最近一个月外链的作用和之前几个月的外链效果作比较，当然这些外链资源的质量和数量都是差别不大的。

第三步：数据的对比和排除

如果你手上有一堆的数据，那该如何去分析呢?最常用的方法就是对比，但对比的前提是保证其他因素相同，举个例子：我们要比较8月份K站的是因为内容还是其他因素，这看起来比较困难，因为网站被K的原因很多，有服务器的问题、有使用的黑帽技术等等各种原因。但我们自己负责的网站自己最清楚，可以通过排除法刷选掉那些不可能的因素。再对比最有可能被K的因素，比方说网站的内容。通过对SEO数据的分析也能够看出百度最近是否正常，当许多企业站的SEO数据都变化很大，甚至是被降权，这种情况基本上可以确定为百度抽风，不必恐慌，认真做好每天的工作即可。

总结：对于企业站来说，我们以前可能只要猛做外链就能获得好的排名，但现在确实不行了，需要更好的内容，更好的用户体验，我们要搞懂现在的百度。做SEO更要有计划的进行，对SEO数据的分析尤为重要，因为这才是SEO的根本和基础。我是老男孩SEO工作室的梁磊，企业站SEO如何做好数据分析，你有什么看法呢?欢迎加我Q，同是天涯SEO人，相逢何必曾相识!本文由阿芙精油官网 原创发布 转载保留下地址!